改进VNet在肝脏分割中的应用  

作　　者：戴瑶 

机构地区：[1]季华实验室,广东佛山528000

出　　处：《电脑编程技巧与维护》2025年第2期114-117,128,共5页Computer Programming Skills & Maintenance

摘　　要：为解决VNet网络在处理医学图像时,因肝脏与周边器官边界模糊交叠而存在分割精度不够和实时性欠缺的问题,将深度可分离模块引入VNet编码器,通过减少模型运算所需的参数量,显著提升了模型的计算速度和运行效率。同时,在编码下采样和解码上采样层中集成CBAM模块,增强了网络对通道特征的提取能力,使其能更准确地捕捉关键信息。通过量化评价,提出的方法在总体参数下降26.5个百分点的前提下,使Dice提高0.5%左右,验证了深度可分离模块和CBAM模块在提升VNet网络性能方面的有效性。

关 键 词：VNet模型 肝脏肿瘤 注意力机制 图像分割 深度学习 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] R735.7[自动化与计算机技术—计算机科学与技术]